本地9B模型上的图工作流与代理循环：相同准确率，大幅减少令牌

大家好！我进行了一项小型实验，在M1 Macbook Pro上运行Qwen 3.5 9B模型，比较标准ReAct风格循环与图工作流在电子邮件分类任务中的表现。最初的假设是，这将提高重复执行的一致性（passk），可能提升准确率，并在令牌使用和时间方面更高效。准确率差异很小，统计上不显著。但效率差距相当显著——ReAct循环会叙述很多，并产生更多输出令牌（在我们的设置中多2.6倍），从而延长实际时间（约1.5倍），即使关闭思考模式。完整分析在评论中。我很好奇这些结果在不同规模下是否仍然成立，例如更大任务（就输入令牌大小而言）、更多状态、更多样化的数据点等。希望听到那些在玩具设置/演示之外操作过LangGraph的人的意见。